MLA-C02：AWS Certified Machine Learning Engineer - Associate ML モデルと基盤モデルの開発 問3
ML モデルと基盤モデルの開発／モデルの学習・ファインチューニング・カスタマイズAmazon SageMaker AI で学習するモデルについて、最適なハイパーパラメータの組み合わせを効率的に自動探索したいと考えています。最も適切なのはどれですか。
当サイトのオリジナル問題（MLA-C02：AWS Certified Machine Learning Engineer - Associateの出題範囲「ML モデルと基盤モデルの開発」に対応。実際の試験問題ではありません）
- ASageMaker AI の自動モデルチューニング（AMT／ハイパーパラメータ最適化）でハイパーパラメータを自動探索する
- B担当者が勘で 1 通りだけ設定して固定する
- CAmazon QuickSight でハイパーパラメータを最適化する
- D学習データを増やせばハイパーパラメータ調整は不要になる
正解：A
解説
Amazon SageMaker AI の自動モデルチューニング（AMT、ハイパーパラメータ最適化）は、探索戦略に基づいてハイパーパラメータの組み合わせを効率的に自動探索し、最良のモデルを見つけます。勘での固定や QuickSight、データ増量は、ハイパーパラメータ探索の代替になりません。
選択肢ごとの解説
- A正しい。SageMaker AI の AMT でハイパーパラメータを効率的に自動探索できます。
- B誤り。1 通りの決め打ちでは最適な組み合わせを見つけられません。
- C誤り。QuickSight は BI 可視化ツールで、ハイパーパラメータ最適化は行いません。
- D誤り。データ増量は有用なこともありますが、ハイパーパラメータ調整の代替にはなりません。